Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Cramér-Rao-Induced Bound for Interference-to-Signal Ratio Achievable Through Non-Gaussian Independent Component Extraction

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F46747885%3A24220%2F17%3A00004539" target="_blank" >RIV/46747885:24220/17:00004539 - isvavai.cz</a>

  • Nalezeny alternativní kódy

    RIV/68407700:21340/17:00324910

  • Výsledek na webu

    <a href="https://asap.ite.tul.cz/wp-content/uploads/sites/3/2017/10/conference_v9ZK.pdf" target="_blank" >https://asap.ite.tul.cz/wp-content/uploads/sites/3/2017/10/conference_v9ZK.pdf</a>

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Cramér-Rao-Induced Bound for Interference-to-Signal Ratio Achievable Through Non-Gaussian Independent Component Extraction

  • Popis výsledku v původním jazyce

    This paper deals with the Cramer-Rao Lower Bound (CRLB) for a novel blind source separation method called Independent Component Extraction (ICE). Compared to Independent Component Analysis (ICA), ICE aims to extract only one independent signal from a linear mixture. The target signal is assumed to be non-Gaussian, while the other signals, which are not separated, are modeled as a Gaussian mixture. A CRLB-induced Bound (CRIB) for Interference-to-Signal Ratio (ISR) is derived. Numerical simulations compare the CRIB with the performance of an ICA and an ICE algorithm. The results show good agreement between the theory and the empirical results.

  • Název v anglickém jazyce

    Cramér-Rao-Induced Bound for Interference-to-Signal Ratio Achievable Through Non-Gaussian Independent Component Extraction

  • Popis výsledku anglicky

    This paper deals with the Cramer-Rao Lower Bound (CRLB) for a novel blind source separation method called Independent Component Extraction (ICE). Compared to Independent Component Analysis (ICA), ICE aims to extract only one independent signal from a linear mixture. The target signal is assumed to be non-Gaussian, while the other signals, which are not separated, are modeled as a Gaussian mixture. A CRLB-induced Bound (CRIB) for Interference-to-Signal Ratio (ISR) is derived. Numerical simulations compare the CRIB with the performance of an ICA and an ICE algorithm. The results show good agreement between the theory and the empirical results.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

  • OECD FORD obor

    10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/GA17-00902S" target="_blank" >GA17-00902S: Pokročilé metody slepé separace podprostorů</a><br>

  • Návaznosti

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Ostatní

  • Rok uplatnění

    2017

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    2017 IEEE 7TH INTERNATIONAL WORKSHOP ON COMPUTATIONAL ADVANCES IN MULTI-SENSOR ADAPTIVE PROCESSING (CAMSAP)

  • ISBN

    978-1-5386-1251-4

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    5

  • Strana od-do

    1-5

  • Název nakladatele

  • Místo vydání

    Curaçao, Dutch Antilles

  • Místo konání akce

    Curaçao, Dutch Antilles

  • Datum konání akce

    1. 1. 2017

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku

    000428438100041